Eğitim Boşluğunu Kapatmak: Yapay Zekayı Uygulamanıza Entegre Etmek


Eğitim Boşluğunu Kapatmak: Yapay Zekayı Uygulamanıza Entegre Etmek

Ronny Şalev

Ronny Shalev, PhD, CEO ve kurucu ortak tarafından, Dyad Medikal, Inc.

Yapay zeka (AI), teknolojinin geleceğinde, genellikle insan çabalarının hızını, kesinliğini, doğruluğunu ve etkinliğini artıran itici bir güçtür. Sonuç olarak, yapay zeka, sağlık hizmetleri ve uzmanlık alanları dahil olmak üzere neredeyse tüm çalışan endüstriler üzerinde muazzam bir etkiye sahip oldu. Son yıllarda, sağlık sektöründe yapay zekanın benimsenme oranı arttı.

Bu büyüme, COVID-19 pandemisinin bir sonucu olarak tele-sağlık ve diğer uzak araçlara duyulan ihtiyaçla ilgili olsa da, son tahminler, önümüzdeki on yılda tıbbi görüntülemede yapay zeka pazarında on kattan fazla bir büyüme öngörüyor.

Sağlık hizmetlerinde AI için öngörülen bir büyüme olmasına rağmen, bu teknoloji mevcut günlük iş akışlarına verimli bir şekilde uygulanamazsa, bu AI araçları gerçek hayatta pratik olmayacaktır. Sağlık pratisyenlerinin bir klinik ortamda yapay zekayı nasıl kullandığını ve yapay zekanın gerçek hayattaki zorlukların çözülmesine nasıl yardımcı olabileceğini anlamak, daha fazla benimseme oranlarını artırmak için çok önemlidir. Bu, nihayetinde bu teknoloji etrafında yeniliği yönlendirecek ve hasta bakımının kalitesinin artmasına yol açacaktır.

Klinisyenler yapay zeka destekli teknolojiden ne ister?

tarafından yakın zamanda yapılan bir anket Amerikan Radyoloji Koleji (ACR), katılımcıların %30’unun tüm modalitelerde görüntü yorumlamalarını geliştirmek için AI kullandığını belirtti. En yaygın olarak tanımlanan yöntemler bilgisayarlı tomografi (BT) taramaları ve mamografi taramalarıdır. AI teknolojilerinin klinik uygulamalarını geliştirmek için özellikle ne yapmasını istedikleri sorulduğunda, katılımcılar lezyon tespiti (%73) ve anatomik ölçümlerin (%71) en önemli olduğunu belirttiler.

Bu yanıtlar, klinisyenlerin en çok, önemli miktarda zaman ve çaba gerektiren tıbbi görüntüleme için manuel izleme ve ölçüm yapma ihtiyacını azaltmakla ilgilendiğini göstermektedir. Anketin bulguları ayrıca, katılımcıların lezyonları tespit ederken ve tanımlarken zor olduğu bilinen bir görev olan ek desteği veya “ikinci bir görüşü” tercih edeceklerini gösteriyor. Klinisyenlerin yanıtları ayrıca, satın almadan önce işyeri ortamında bir AI algoritmasını değerlendirmek için bir yöntemin geliştirilmesinin son derece önemli olduğunu gösterdi.

Bu bulguları göz önünde bulundurarak yazılım geliştiricilerin, klinisyenlerin en önemli ihtiyaçlarına pratik bir çözüm sağlamaya yardımcı olmak için bina teknolojisine öncelik vermesi gerekir. Yapay zeka kullanımı, klinisyenlerin ihtiyaçlarının etkili ve pratik bir şekilde karşılanmasını sağlamanın en iyi yolu olabilir. Yapay zeka kullanımıyla yazılım, birden fazla uzmanın toplu içgörülerinden sürekli olarak öğrenebilir ve uygulayıcılara etkili bir şekilde binlerce “ikinci görüş” sunabilir.

Bu tür bir teknoloji, tıbbi görüntülemenin yorumlanmasına ve analiz edilmesine de yardımcı olabilir ve klinisyenlerin bu görüntüleri ölçmesi ve izlemesi için gereken süreyi önemli ölçüde azaltır. Yorumlama ve analiz için daha az zaman ve çaba harcayarak, klinisyenler hastayla yüz yüze olan görevlere daha fazla zaman ayırabilir ve sonuçta daha düşük maliyetle daha kaliteli bakıma yol açarken çalışanların tükenmişliğini de azaltır.

Bu çözümler mevcut olmasına rağmen, klinik uygulamalarda AI’nın başarılı bir şekilde uygulanmasını engelleyen birkaç engel var. Örneğin, klinisyenler yapay zekanın güvenli, etkili olduğundan ve teknoloji satın alınmadan önce belirli ihtiyaçları çözdüğünden emin olmak isterler. Bununla birlikte, uygulamalarında şu anda AI kullanan sağlayıcıların çoğu, genel deneyimlerinden memnun kaldı ve AI’nın kendilerine ve hastalarına değer sağladığını gördü. Bu nedenle, tüm uygulama türlerinde AI’nın potansiyel faydaları hakkında eğitimin önemini korumaya devam edeceği görülmektedir (Allen ve diğerleri, 2021).

Yapay zekanın faydaları hakkında başkalarını eğitmek

2018 yılında, Ulusal Sağlık Enstitüleri AI’nın araştırmadan klinik uygulamaya ilerlemesini destekleyen bir çalıştaya ev sahipliği yaptı. Yapay zekanın klinik iş akışlarında kullanımını kolaylaştırmak için dört özel alan tartışıldı. İlk olarak, belirli klinik ihtiyaçları tanımlayan yapılandırılmış yapay zeka kullanım senaryoları oluşturmak. İkincisi, klinik görüntü verilerini AI geliştirme için kullanılabilir hale getirmek. Üçüncüsü, bir klinik uygulamada konuşlandırmadan önce ve sonra AI güvenliğini ve etkinliğini sağlamak. Son olarak, AI’nın rutin uygulamaya klinik entegrasyonu için standartlar geliştirmek.

AI geliştiricilerinin, teknolojilerinin mevcut klinisyen iş akışlarına uygulanmasını tartışırken bu dört endişeyi ele alması gerektiği açıktır. Sağlık pratisyenleri kendilerini teknoloji türlerinde uzman olarak görmezler, kendilerini tıp alanlarında uzman olarak görürler. Bu nedenle, tıbbi teknoloji oluşturmak için çalışan geliştiriciler, kullanıcıya – tıp pratisyenlerine – ve teknolojinin iş akışlarına nasıl uyduğuna odaklanmalıdır. Görüntüleme teknolojisinin bunu başarması için bir yaklaşım, görüntüleme yönteminden ziyade öncelikle organa odaklanmaktır. Bu, platformun çok iyi tanımlanmış bir dizi kullanım senaryosuna sahip olmasını sağlayacaktır. Bunu akılda tutarak, AI hesaplama motorunu genelleştirilebilir ve sağlam hale getirecek birden fazla kaynaktan çok çeşitli görüntüler toplamak bir geliştiricinin görevi olmalıdır.

Tıbbi teknoloji geliştiricileri, olası insan önyargılarını en aza indirmek için dünya çapında birden fazla uzmandan ek açıklamalar almaya da öncelik vermelidir. Bunu yapmak, bir uygulayıcının yeteneklerini ve karar vermesini desteklemeye yardımcı olan güvenlik ve etkinliğe vurgu yapar.

Klinik entegrasyon için standart geliştirme konusunu ele almak için şirket, işbirlikçileriyle birlikte, kuruluştaki normal iş akışına müdahale etmeden sistemden tam verimlilik ve faydaların elde edilmesi için bir süreç oluşturur. Bu süreç, kullanışlılığından ve verimliliğinden emin olmak için çeşitli senaryolarda yer almalı ve test edilmelidir.

Son olarak, tıbbi teknoloji yazılımı, şirketlerin özellikle küçük uygulamalarda en çok ilgilendiği bir alan olan çoklu ortamlarda yatırım getirisi göstermelidir. Ayrıca, teknoloji, kuruluşların kendi AI algoritmalarını, platformu kendi sistemine entegre etmeden önce, belirli bir organizasyon içinde değerlendirmeleri için bir yol sağlamalıdır. Sonuç olarak, değerlendirme süreci en büyük paydaşlardan biri olan kullanıcının BT departmanını dahil etmeden önce bile hızlandırılır.

Sağlık sektöründeki işler

Scott Rupp tarafından Sağlık hizmetlerinde yapay zeka, klinisyenler ve yapay zeka, Dyad Medical, Ronny Shalev




Kaynak : https://electronichealthreporter.com/closing-the-education-gap-integrating-ai-into-your-practice/

SMM Panel PDF Kitap indir